免费下载！
[!--downpath--]出版物：《电力设备手册》
一、研究背景
风电集群通过同一传输通道向电网传输电力。 当需要对风电集群进行功率限制时，如何考虑风电场功率预测和调节能力的不确定性，将有限的功率分配到各个风电场，保证调度的公平性是其中之一电网调度面临的问题。
2、研究内容
1 基于机会约束规划和机会目标约束的情境调度模型
目标函数包括三个方面：火电机组发电成本最低、弃风电量最小、所有风电场日计划调度功率与风电总调度功率之比误差之和最小集群和预期调度功率比。
模型的三个目标函数分别为：火电机组发电成本最低目标函数、弃风电量最小目标函数、风电集群功率分配目标函数。
约束包括 4 个概率约束和 2 个确定性约束：
四个概率约束分别为：风电场功率概率约束、功率平衡概率约束、网络安全概率约束、风电场日调度电量比例概率约束。 这两个确定性约束是：
2 将概率约束转化为确定性约束的方法
在多目标优化中，目标函数f0为：
其中风电功率预测的意义，A、B、C为多目标优化函数的权重系数； f1、f2、f3分别为火电机组发电成本函数、风电调度功率函数、风电场调度功率与风电集群调度功率之比和期望调度功率比误差函数。
机会约束模型需要转化为确定性约束才能求解。 假设函数gj(x, Ψ)的形式为gj(x, Ψ)=hj(x, Ψ) - Ψ，则包含随机变量Ψ的机会约束可以等价地转化为确定性约束，根据以下公式。
对于机会约束Pr{f(x, xi)≤b}≥β，根据xi的分布规律进行N次采样，然后用形成的样本来验证f(x, xi)≤b是否满足已确立的。
当样本数量N足够大时，目标函数f0可以等价于下面公式(3)所示的混合整数线性约束。
如果机会约束f0中的随机变量和优化变量可以分开，则可以表示为：
将采样值按照影响程度从小到大排序，式(3)又可以进一步分为：
方程（5）是所需的确定性约束。
3 估算过程
三、案例分析
以某地区3个风电场为例进行验证，将本文模型与不考虑后续变量、仅根据预测功率比分配功率的传统模型进行比较。 各风电场的调度电量和调度电量分别如图3和表1所示。
根据图 3 和表 1 数据可以看出，与传统模型相比，在限风发生的第 1～23、72～94 时刻，本文模型下各风电场的实际功率都有不同程度的增加。 电量多于实际可用电量的风电场，可以更显着地提高疗效； 与传统模型相比，本文模型下三个风电场的实际总电量增加了361.25MW·h，风电场AC日调度电量比由1.12：1：1.09变为1.6： 1：1.37，更接近预计日调度电量比例。
4. 推论
在风电集群输出功率有限的情况下，为了将有限的功率分配给集群中的各个风电场，需要考虑风电场功率预测和调节能力差异的不确定性以及调度的公平性。 本文提出了一种机会约束结合规划和机会约束目标规划的风电集群日常电力调度模型，并通过抽样排序将不确定变量转化为确定性变量的方法。 在目标函数中加入所有风电场日计划调度功率占风电集群总调度功率的比例与期望调度功率比例误差之和最小的目标，使得保证调度的公平性，考虑风电场功率预测偏差和出力调整误差的不确定性，建立风电场功率约束、功率平衡约束、网络安全约束、风电场日调度电量比例约束作为概率约束，将概率约束转化为混合整数线性约束进行求解。 本文提出的调度策略可以加大风电调度不确定性对电网稳定运行的影响，同时保证优质风电场的效益和调度的公平合理性风电功率预测的意义，从而更好地促进消费和发展新能源。
